实体
VC classes
VC classes
PulseAugur coverage of VC classes — every cluster mentioning VC classes across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新算法提升学习模型的对抗鲁棒性
研究人员开发了一种新算法，显著提高了学习对对抗样本具有鲁棒性的预测器的能力。该方法在VC维度上实现了线性样本复杂度，比之前的界限有了指数级的改进。该算法将自举聚合（bagging）与鲁棒经验风险最小化（RERM）相结合，在多个自举样本上计算RERM并输出其多数投票。一个互补的下界表明，这种方法对于在此模型中学习是必需的。
-
新的MLSA方法改进了转导学习的预测
研究人员开发了一种新的名为中位数水平集聚合（MLSA）的聚合程序，用于转导学习。该方法旨在提高在所有协变量都预先已知的情况下，特别是在留一法设置中的预测能力。MLSA基于近经验风险最小化水平集，并已证明在包括分类和回归在内的各种任务中具有乘法预言机不等式。
-
球覆盖定理为学习理论可复现性提供严格界限
研究人员开发了一种新颖的球覆盖定理，该定理源自Borsuk-Ulam定理，用于确定学习理论中列表可复现性的严格界限。该新定理通过将列表大小与准确性参数和假设类复杂度相关联，有助于形式化可复现性。研究结果为VC类提供了精确的界限，并证明了用于大间隔半空间的最佳列表大小，在特定间隔条件下实现了最小列表大小。